★ 4
RSI Arena：十款前沿模型自主训练语言模型并接受人类反馈
论文提出 RSI Arena，让十个前沿模型作为训练智能体，从 NVIDIA Nemotron 3.5 Lightning 30B-A3B Base 出发，在 1000 GPU 小时预算内自主选数据、实现训练流程并挑选检查点。最强模型由 GPT-6 Astra 训练，在 12 项能力基准上弥合了基…
arXiv NLP6 天前
共 1 篇相关资讯，按重要度与时间排序，每 3 小时更新。
论文提出 RSI Arena，让十个前沿模型作为训练智能体，从 NVIDIA Nemotron 3.5 Lightning 30B-A3B Base 出发，在 1000 GPU 小时预算内自主选数据、实现训练流程并挑选检查点。最强模型由 GPT-6 Astra 训练，在 12 项能力基准上弥合了基…